概率数据结构在对抗环境下的正确性与隐私性
密码学与安全
2022-09-16 v1
摘要
我们研究用于处理近似成员查询（AMQ）的概率数据结构（PDS）的安全性；AMQ-PDS 的显著例子是 Bloom 和 Cuckoo 过滤器。AMQ-PDS 正日益部署在对手可通过精心选择输入获利的的环境中，例如提高 AMQ-PDS 的假阳性率。它们也被用于输入敏感且应在面对可通过 API 访问 AMQ-PDS 或可通过攻陷运行 AMQ-PDS 的系统获知其内部状态的对手时保持私有的设置中。我们开发了基于模拟的安全性定义，涉及 AMQ-PDS 的正确性和隐私性。我们的定义具有通用性，适用于广泛的对抗环境。我们使用定义分析了 Bloom 过滤器和仅插入 Cuckoo 过滤器的行为。我们表明，这些 AMQ-PDS 可通过在其构造中用带密钥伪随机函数替换或组合哈希函数而得到可证明保护。我们还考察了提供安全实例的 Bloom 和仅插入 Cuckoo 过滤器对存储大小和计算的实际影响。
引用
@article{arxiv.2209.06955,
title = {Adversarial Correctness and Privacy for Probabilistic Data Structures},
author = {Mia Filić and Kenneth G. Paterson and Anupama Unnikrishnan and Fernando Virdia},
journal= {arXiv preprint arXiv:2209.06955},
year = {2022}
}
备注
The full version of the paper accepted at ACM CCS '22. The latest version is available at https://eprint.iacr.org/2022/1186